CN111062699A - 一种农作物全生长周期智能服务模型的构建方法及*** - Google Patents
一种农作物全生长周期智能服务模型的构建方法及*** Download PDFInfo
- Publication number
- CN111062699A CN111062699A CN201911338142.8A CN201911338142A CN111062699A CN 111062699 A CN111062699 A CN 111062699A CN 201911338142 A CN201911338142 A CN 201911338142A CN 111062699 A CN111062699 A CN 111062699A
- Authority
- CN
- China
- Prior art keywords
- growth
- crop
- crops
- farm
- affair
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000009313 farming Methods 0.000 claims description 63
- 239000001963 growth medium Substances 0.000 claims description 33
- 239000002609 medium Substances 0.000 claims description 15
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 14
- 238000009342 intercropping Methods 0.000 claims description 14
- 239000002689 soil Substances 0.000 claims description 10
- 230000005540 biological transmission Effects 0.000 claims description 9
- 238000010276 construction Methods 0.000 claims description 9
- 239000003102 growth factor Substances 0.000 claims description 9
- 238000009826 distribution Methods 0.000 claims description 8
- 230000007613 environmental effect Effects 0.000 claims description 8
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 7
- 239000001569 carbon dioxide Substances 0.000 claims description 7
- 238000005286 illumination Methods 0.000 claims description 6
- 230000001105 regulatory effect Effects 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 claims description 4
- 238000003860 storage Methods 0.000 claims description 4
- 230000026267 regulation of growth Effects 0.000 claims description 3
- 230000003595 spectral effect Effects 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 5
- 241000196324 Embryophyta Species 0.000 description 41
- 241000894007 species Species 0.000 description 8
- 230000017260 vegetative to reproductive phase transition of meristem Effects 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 239000003337 fertilizer Substances 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 244000105624 Arachis hypogaea Species 0.000 description 1
- 240000008042 Zea mays Species 0.000 description 1
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 description 1
- 235000002017 Zea mays subsp mays Nutrition 0.000 description 1
- 238000012271 agricultural production Methods 0.000 description 1
- 235000005822 corn Nutrition 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000004720 fertilization Effects 0.000 description 1
- 230000035784 germination Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000035800 maturation Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 235000020232 peanut Nutrition 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000009331 sowing Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000009333 weeding Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- General Health & Medical Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Primary Health Care (AREA)
- Animal Husbandry (AREA)
- Mining & Mineral Resources (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- Marine Sciences & Fisheries (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明是关于农作物全生长周期智能服务模型的构建方法及***。该方法包括：确定农作物生长过程中的各生长周期；根据预设农事配置规则，配置所述农作物的农事提醒以及农事触发条件；根据所述各生长周期、所述农作物的农事提醒以及所述农作物的农事触发条件，为所述农作物构建全生长周期智能服务模型。通过本发明的技术方案，可自动建立完善的全生长周期智能服务模型，以便之后利用该服务模型自动监测农作物的当前生长周期，进而便于及时发出农事提醒或者执行农事提醒对应的农事操作，这有利于减少人为管理操作，提高农作物的管理效率，并提高当前生长周期的确定准确率。
Description
技术领域
本发明涉及农业技术领域，尤其涉及农作物全生长周期智能服务模型的构建方法及***。
背景技术
目前，农业在我国依然占据很大成分，因而，管理好农业生产就变得尤为重要。然而，在对农作物进行管理时，大多是通过人为方式进行管理，如人为估计农作物的生长周期，然后人为地根据估计出的生长周期对农作物进行施肥、除虫等实际操作或者提醒，这就使得农作物的管理效率较低、人为管理操作较多。
发明内容
本发明实施例提供了农作物全生长周期智能服务模型的构建方法及***。所述技术方案如下：
根据本发明实施例的第一方面，提供一种农作物全生长周期智能服务模型的构建方法，包括：
确定农作物生长过程中的各生长周期；
根据预设农事配置规则，配置所述农作物的农事提醒以及农事触发条件；
根据所述各生长周期、所述农作物的农事提醒以及所述农作物的农事触发条件，为所述农作物构建全生长周期智能服务模型。
在一个实施例中，所述根据预设农事配置规则，配置所述农作物的农事提醒以及农事触发条件，包括：
根据预设农事配置规则，配置所述农作物的各生长周期对应的至少一项农事提醒以及所述各生长周期对应的至少一项农事触发条件，其中，所述农事提醒用于指示在各生长周期执行何种农事操作；
所述农事触发条件包括：
基于土壤温湿度的触发条件，
基于空气温湿度的触发条件，
基于风速风向的触发条件，
基于降雨量的触发条件，
基于灾害预警的触发条件，
基于二氧化碳浓度的触发条件，
基于光照强度的触发条件。
在一个实施例中，所述方法还包括：
根据接收到配置指令，配置所述预设农事配置规则；
或者
接收服务器发送的农事配置指示；
根据所述农事配置指示，配置所述预设农事配置规则；
或者
按照预设接收周期，从服务器的预设存储位置中获取所述预设农事配置规则。
在一个实施例中，所述方法还包括：
在所述农作物生长过程中，确定所述农作物的当前生长参数；
根据所述当前生长参数，确定所述农作物的当前生长周期；
根据所述当前生长周期以及所述全生长周期智能服务模型，发出相应的农事提醒。
在一个实施例中，所述根据所述当前生长周期以及所述全生长周期智能服务模型，发出相应的农事提醒，包括：
根据所述全生长周期智能服务模型判断所述当前生长周期是否满足一预设农事触发条件；
当所述当前生长周期满足所述预设农事触发条件时，根据所述当前生长周期以及所述预设农事触发条件，确定相应的农事提醒；
根据所述相应的农事提醒，向预设用户发出提醒；或者
根据所述相应的农事提醒执行所述相应的农事提醒所表征的农事操作；
将所述农事操作的操作结果进行显示。
在一个实施例中，所述在所述农作物生长过程中，确定所述农作物的当前生长参数，包括：
对所述农作物进行拍摄，获得所述农作物的生长图像；
监测所述农作物当前所处的环境参数；
对所述生长图像进行处理，以获取农作物特征，其中，所述农作物特征包括光谱特性、根属性、茎属性以及叶属性；
根据所述农作物特征和所述当前所处的环境参数，确定所述当前生长参数。
在一个实施例中，所述方法还包括：
当所述全生长周期智能服务模型服务的农作物有多种时，获取多种所述农作物的标识；
将多种所述农作物的标识进行显示；
判断是否接收到标识选中指令；
当接收到所述标识选中指令时，根据所述标识选中指令对多种所述农作物中的预设农作物进行选择；
将所述预设农作物通过配对形成多个间作作物组合，每个间作作物组合包括至少两个农作物；
根据所述多个间作作物组合发出的配置指令，配置至少两个种植区域；
根据接收到的分割指令，将所述至少两个种植区域中的各种植区域分割成多个植株培养基；
将每个间作作物的农作物分散种植于多个植株培养基上；
接收各植株培养基的生长要素的浓度信息；
确定所述各植株培养基上的农作物的当前生长周期；
若满足所述当前生长周期对应的农事触发条件，则根据所述生长要素的浓度信息以及所述全生长周期智能服务模型，发出相应的农事提醒，其中，所述相应的农事提醒包括提醒移动所述植株培养基上分布的农作物。
在一个实施例中，在发出相应的农事提醒之前，所述方法还包括：
步骤A1：根据公式(1)利用所述农作物自身的农作物特征得到关于农作物的正向传递系数G：
其中，G表示农作物的正向传递系数，n表示农作物特征的总数，Ki表示农作物的第i个特征的变化量与农作物的n个农作物特征的总变化量的比值，Kj表示与第i个特征相邻的第j个特征和农作物的n个农作物特征的总变化量的比值；
步骤A2：根据公式(2)利用农作物收到的自然生长环境信息得到关于农作物的反馈系数H：
其中，H表示农作物的反馈系数，m表示农作物收到的自然生长环境信息的总数，fp表示农作物收到的第p个自然生长环境信息的变化量与农作物收到的所有自然生长环境信息的总变化量的比值，fq表示与第p个农作物收到的自然生长环境信息相邻的第j个农作物收到的自然生长环境信息的变化量与农作物收到的所有自然生长环境信息的总变化量的比值；
步骤A3：根据公式(3)整合公式(1)和(2)中系数得到关于农作物的提醒判断值Q：
其中Q表示农作物的提醒判断值；
当Q<1时，表示农作物自身可自行调节生长不需要进行农事提醒；当Q≥1时，表示农作物自身不可进行生长调节需要进行农事提醒。
在一个实施例中，所述提醒移动所述植株培养基上分布的农作物，包括：
判断所述各植株培养基上分散种植的农作物对生长要素的需求量的大小；
根据所述各植株培养基上分散种植的农作物对生长要素的需求量的大小以及标准生长要素的浓度，将所述各植株培养基上分散种植的农作物划分为第一类农作物和第二类农作物；
当所述第一类农作物对所述生长要素的需求量大于所述第二类农作物对所述生长要素的需求量时，提醒将所述第一类农作物移动至植株培养基上所述第二类农作物的分布区域；
当所述第一类农作物对所述生长要素的需求量小于所述第二类农作物对所述生长要素的需求量时，提醒将所述第二类农作物移动至植株培养基上所述第一类农作物的分布区域。
根据本发明实施例的第二方面，提供一种农作物全生长周期智能服务模型的构建***，包括：
确定模块，用于确定农作物生长过程中的各生长周期；
配置模块，用于根据预设农事配置规则，配置所述农作物的农事提醒以及农事触发条件；
构建模块，用于根据所述各生长周期、所述农作物的农事提醒以及所述农作物的农事触发条件，为所述农作物构建全生长周期智能服务模型。
本发明的实施例提供的技术方案可以包括以下有益效果：
在确定好农作物在生长过程中的各生长周期以及配置好农作物的农事提醒和农事触发条件后，可根据这三项信息，自动建立完善的全生长周期智能服务模型，以便之后利用该服务模型自动监测农作物的当前生长周期，进而便于及时发出农事提醒或者执行农事提醒对应的农事操作，这有利于减少人为管理操作，提高农作物的管理效率，并提高当前生长周期的确定准确率。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
图1是根据一示例性实施例示出的一种农作物全生长周期智能服务模型的构建方法的流程图。
图2是根据一示例性实施例示出的一种农作物全生长周期智能服务模型的构建***的框图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的***和方法的例子。
为了解决上述技术问题，本发明实施例提供了一种农作物全生长周期智能服务模型的构建方法，该方法可用于农作物全生长周期智能服务模型的构建程序、***或***中，且该方法对应的执行主体可以是终端或服务器，如图1所示，该方法包括步骤S101至步骤S103：
在步骤S101中，确定农作物生长过程中的各生长周期；
农作物的生长周期因作物种类、品种而异，可以是播种期、发芽期、生根期、出苗期、长大开花期、成熟期、除草期等。
在步骤S102中，根据预设农事配置规则，配置所述农作物的农事提醒以及农事触发条件；
在步骤S103中，根据所述各生长周期、所述农作物的农事提醒以及所述农作物的农事触发条件，为所述农作物构建全生长周期智能服务模型。
在确定好农作物在生长过程中的各生长周期以及配置好农作物的农事提醒和农事触发条件后，可根据这三项信息，自动建立完善的全生长周期智能服务模型，以便之后利用该服务模型自动监测农作物的当前生长周期，进而便于及时发出农事提醒或者执行农事提醒对应的农事操作，这有利于减少人为管理操作，提高农作物的管理效率，并提高当前生长周期的确定准确率。
在一个实施例中，所述根据预设农事配置规则，配置所述农作物的农事提醒以及农事触发条件，包括：
根据预设农事配置规则，配置所述农作物的各生长周期对应的至少一项农事提醒以及所述各生长周期对应的至少一项农事触发条件，其中，所述农事提醒用于指示在各生长周期执行何种农事操作；
所述农事触发条件包括：
基于土壤温湿度的触发条件，例如：可以是当前土壤温湿度大于预设土壤温湿度，或者，当前土壤温湿度小于或等于预设土壤温湿度；
基于空气温湿度的触发条件，例如：可以是当前空气温湿度大于预设空气温湿度，或者，当前空气温湿度小于或等于预设空气温湿度；
基于风速风向的触发条件，例如：可以是当前风速大于预设风速，或者，当前风向是某个预设方向(如西北、东南等)；
基于降雨量的触发条件，例如：可以是当前降雨量大于预设降雨量；
基于灾害预警的触发条件，例如：可以是当前灾害预警大于预设灾害预警；
基于二氧化碳浓度的触发条件，例如：可以是当前二氧化碳浓度大于预设二氧化碳浓度；
基于光照强度的触发条件，例如：可以是当前光照强度大于预设光照强度。
通过根据预设农事配置规则，可自动而全面地配置农作物的各生长周期对应的至少一项农事提醒以及所述各生长周期对应的至少一项农事触发条件，以便于之后自动而全面地构建综合生长周期、土壤温湿度、空气温湿度、风速风向、降雨量、二氧化碳浓度、光照强度等多种因素的全生长周期智能服务模型。
在一个实施例中，所述方法还包括：
根据接收到配置指令，配置所述预设农事配置规则；
或者
接收服务器发送的农事配置指示；
根据所述农事配置指示，配置所述预设农事配置规则；
或者
按照预设接收周期，从服务器的预设存储位置中获取所述预设农事配置规则。
在配置预设农事配置规则时，可根据接收到的配置指令配置这些规则，或者根据服务器处发送的农事配置指示自动配置，或者按照一定周期从服务器的预设存储位置中获取预设农事配置规则，如此使得预设农事配置规则的配置更加灵活、方便。
预设农事配置规则，可以是当前时间达到预设时间就配置上述至少一项农事提醒以及上述至少一项农事触发条件；或者是当前位置达到预设位置就配置上述至少一项农事提醒以及上述至少一项农事触发条件等。
在一个实施例中，所述方法还包括：
在所述农作物生长过程中，确定所述农作物的当前生长参数；
根据所述当前生长参数，确定所述农作物的当前生长周期；
根据所述当前生长周期以及所述全生长周期智能服务模型，发出相应的农事提醒。
在确定农作物的当前生长参数后，可确定农作物的当前生长周期，进而根据该当前生长周期以及全生长周期智能服务模型，自动发出相应的农事提醒，以在自动识别出农作物的当前生长周期后自动指示出该生长周期下应该进行何种操作。
在一个实施例中，所述根据所述当前生长周期以及所述全生长周期智能服务模型，发出相应的农事提醒，包括：
根据所述全生长周期智能服务模型判断所述当前生长周期是否满足一预设农事触发条件；
当所述当前生长周期满足所述预设农事触发条件时，根据所述当前生长周期以及所述预设农事触发条件，确定相应的农事提醒；
根据所述相应的农事提醒，向预设用户发出提醒；或者
根据所述相应的农事提醒执行所述相应的农事提醒所表征的农事操作；
将所述农事操作的操作结果进行显示。
在根据上述全生长周期智能服务模型判定出当前生长周期满足所述预设农事触发条件时，可根据所述当前生长周期以及所述预设农事触发条件，自动确定相应的农事提醒，以确定需要在当前生长周期下进行何种操作，避免用户人为识别当前生长周期并人为确定需要进行什么操作。
在一个实施例中，所述在所述农作物生长过程中，确定所述农作物的当前生长参数，包括：
对所述农作物进行拍摄，获得所述农作物的生长图像；
监测所述农作物当前所处的环境参数；
对所述生长图像进行处理，以获取农作物特征，其中，所述农作物特征包括光谱特性、根属性(如根的粗细、长短、颜色等)、茎属性(如茎的粗细、长短、颜色等)以及叶属性(如叶的形状、长短、颜色等)；农作物特征还可以包括农作物是否开花等。
根据所述农作物特征和所述当前所处的环境参数，确定所述当前生长参数。
通过对农作物进行拍摄，可获得该农作物的生长图像，然后监测农作物当前所处的环境参数，并对生长图像进行处理自动获得农作物特征，最后综合农作物特征以及当前所处的环境参数，即可自动而正确地确定当前生长参数，以提高当前生长参数的确定准确率，避免只利用农作物特征而无法准确确定当前生长参数。
在一个实施例中，所述方法还包括：
当所述全生长周期智能服务模型服务的农作物有多种(如具有不同类别的农作物，如玉米和花生；或者具有同类别农作物下的不同品种的农作物)时，获取多种所述农作物的标识；全生长周期智能服务模型可以因农作物而异，即不同农作物对应不同的全生长周期智能服务模型，或者是一个综合的全生长周期智能服务模型，即全生长周期智能服务模型可适用于不同的农作物。
另外，在建立全生长周期智能服务模型时，还可以结合农作物所需的生长要素，从而使得全生长周期智能服务模型更加全面、更加精准。
将多种所述农作物的标识进行显示；农作物的标识可以是农作物的编号、名字等唯一标识农作物的内容，当然该标识可通过二维码等多种方式表示出。
判断是否接收到标识选中指令；
当接收到所述标识选中指令时，根据所述标识选中指令对多种所述农作物中的预设农作物进行选择；
将所述预设农作物通过配对形成多个间作作物组合，每个间作作物组合包括至少两个农作物；配对时可将相同类型的植物进行配对或者将同类植物中的异性植物进行配对。
根据所述多个间作作物组合发出的配置指令，配置至少两个种植区域；
根据接收到的分割指令，将所述至少两个种植区域中的各种植区域分割成多个植株培养基；
将每个间作作物的农作物分散种植于多个植株培养基上；
植株培养基可以是实验室中用于供农作物生长的环境，或者大田间用于供农作物生长的环境等。
接收各植株培养基的生长要素的浓度信息；即各植株培养基上每部分区域上分布的生长要素的当前浓度，当然，各植株培养基上每部分区域中初始分布的生长要素的浓度是相同的。
生长要素可以泛指化肥、湿度、所照射的光线等各种能够促进农作物生长的要素；浓度信息泛指化肥含量、配比，湿度多少，光线角度、强度等。
确定所述各植株培养基上的农作物的当前生长周期；
若满足所述当前生长周期对应的农事触发条件(如满足当前生长周期下的土壤温湿度条件或者满足当前生长周期下的降雨量条件或者满足当前生长周期下的二氧化碳浓度条件)，则根据所述生长要素的浓度信息以及所述全生长周期智能服务模型，发出相应的农事提醒，其中，所述相应的农事提醒包括提醒移动所述植株培养基上分布的农作物。
当接收到上述标识选中指令时，可对多种所述农作物中的预设农作物进行选择，以确定选中的预设农作物，然后通过自动配对形成多个间作作物组合，进而根据配置指令配置至少两个种植区域，然后将种植区域分割成多个植株培养基，从而将每个间作作物的农作物分散种植于多个植株培养基上，最后再确定好各植株培养基的生长要素的浓度信息后，若满足当前生长周期对应的农事触发条件，则可根据所述生长要素的浓度信息以及所述全生长周期智能服务模型，发出相应的农事提醒，以提醒或自动移动所述植株培养基上分布的农作物，从而使得植株培养基上的农作物可均匀获得生长要素，这样，植株培养基上的农作物均可健康茁壮的生长。
在一个实施例中，所述提醒移动所述植株培养基上分布的农作物，包括：
判断所述各植株培养基上分散种植的农作物对生长要素的需求量的大小；
根据所述各植株培养基上分散种植的农作物对生长要素的需求量的大小以及标准生长要素的浓度，将所述各植株培养基上分散种植的农作物划分为第一类农作物和第二类农作物；
例如：对生长要素的需求量大于标准生长要素的浓度的为一类农作物，而对生长要素的需求量小于或等于标准生长要素的浓度的为另一类农作物。
或者
对生长要素的需求量与标准生长要素的差值在一定范围内的农作物为一类农作物，而对生长要素的需求量与标准生长要素的差值不再一定范围内的农作物为另一类农作物。
当所述第一类农作物对所述生长要素的需求量大于所述第二类农作物对所述生长要素的需求量时，提醒将所述第一类农作物移动至植株培养基上所述第二类农作物的分布区域；
当所述第一类农作物对所述生长要素的需求量小于所述第二类农作物对所述生长要素的需求量时，提醒将所述第二类农作物移动至植株培养基上所述第一类农作物的分布区域。
当所述第一类农作物对所述生长要素的需求量大于所述第二类农作物对所述生长要素的需求量即第一类农作物更加需求生长要素时，说明第一类农作物对植株培养基上的生长要素的消耗更多、植株培养基上第一类农作物所在区域的生长要素不太够用，而植株培养基上第二类农作所在区域的生长要素又足够的多，因而，可发出提醒将所述第一类农作物自动移动至植株培养基上所述第二类农作物的分布区域，以尽可能确保第一类农作物和第二类农作物均能获得足够的生长要素。
而当所述第一类农作物对所述生长要素的需求量小于所述第二类农作物对所述生长要素的需求量即第二类农作物更加需求生长要素时，说明第二类农作物对植株培养基上的生长要素的消耗更多、植株培养基上第二类农作物在区域的生长要素不太够用，而植株培养基上第一类农作所在区域的生长要素又足够的多，因而，可发出提醒将所述第二类农作物自动移动至植株培养基上所述第一类农作物的分布区域，以尽可能确保第一类农作物和第二类农作物均能获得足够的生长要素。
在一个实施例中，在发出相应的农事提醒之前，所述方法还包括：
步骤A1：根据公式(1)利用所述农作物自身的农作物特征(如农作物是否开花、结果、叶子大小等)得到关于农作物的正向传递系数G：
其中，G表示农作物的正向传递系数，n表示农作物特征的总数，Ki表示农作物的第i个特征的变化量(即在第一预设时间段内的i个特征的变化量)与农作物的n个农作物特征的总变化量的比值，Kj表示与第i个特征相邻的第j个特征和农作物的n个农作物特征的总变化量(即在第一预设时间段内的所有农作物特征的变化量)的比值；
步骤A2：根据公式(2)利用农作物收到的自然生长环境信息(如温度、湿度等土壤环境、天气环境等)得到关于农作物的反馈系数H：
其中，H表示农作物的反馈系数，m表示农作物收到的自然生长环境信息的总数，fp表示农作物收到的第p个自然生长环境信息的变化量(即在第二预设时间段内的第p个自然生长环境信息的变化量)与农作物收到的所有自然生长环境信息的总变化量的比值，fq表示与第p个农作物收到的自然生长环境信息相邻的第j个自然生长环境信息的变化量与农作物收到的所有自然生长环境信息的总变化量(即在第二预设时间段内的所有自然生长环境信息的变化量)的比值；
步骤A3：根据公式(3)整合公式(1)和(2)中系数得到关于农作物的提醒判断值Q：
其中Q表示农作物的提醒判断值；
当Q<1时，表示农作物自身可自行调节生长不需要进行农事提醒；当Q≥1时，表示农作物自身不可进行生长调节需要进行农事提醒。
上述技术方案的有益效果是：通过自动检测求取正向传递系数与反馈系数的方式进行提醒，保证了农作物生长过程的合理性以及适应调节能力强的特点，并且利用整合的方式将自动检测的方式形成闭环，保证了整体的检测的方式稳定可靠，而利用整合出的判断值进行农事提醒的判断，减低了检测时间，同时也提高了智能服务的整体效率，保证所述一种农作物全生长周期智能服务模型的高效性。
最后，需要明确的是：本领域技术人员可根据实际需求，将上述多个实施例进行自由组合。
对应本发明实施例提供的上述农作物全生长周期智能服务模型的构建方法，本发明实施例还提供一种农作物全生长周期智能服务模型的构建***，如图2所示，该***包括：
确定模块201，用于确定农作物生长过程中的各生长周期；
配置模块202，用于根据预设农事配置规则，配置所述农作物的农事提醒以及农事触发条件；
构建模块202，用于根据所述各生长周期、所述农作物的农事提醒以及所述农作物的农事触发条件，为所述农作物构建全生长周期智能服务模型。
在一个实施例中，根据预设农事配置规则，配置所述农作物的农事提醒以及农事触发条件时，可以通过自动检测的方式进行提醒，其中具体步骤包括：
步骤A1：根据公式(1)利用农作物自身的农作物特征得到关于农作物的正向传递系数G：
其中，G表示农作物的正向传递系数，n表示农作物特征种类总数，Ki表示农作物的第i个特征种类的变化量与整体农作物特征种类的总变化量的比值，Kj表示与第i个特征种类相邻的第j个特征种类与整体农作物特征种类的变化量的总变化量的比值；
步骤A2：根据公式(2)利用农作物收到的自然生长环境信息得到关于农作物的反馈系数H：
其中，H表示农作物的反馈系数，m表示农作物收到的自然生长环境信息的总数，fp表示农作物收到的第p个自然生长环境信息的变化量与整体农作物收到的自然生长环境信息的总变化量的比值，fq表示与第p个农作物收到的自然生长环境信息相邻的第j个农作物收到的自然生长环境信息的变化量与整体农作物特征种类的总变化量的比值；
步骤A3：根据公式(3)整合公式(1)和(2)中系数得到关于农作物的提醒判断值Q：
其中Q表示农作物的提醒判断值；
当Q<1时，表示农作物自身可进行生长调节生长不需要进行农事提醒；当Q≥1时，表示农作物自身不可进行生长调节生长需要进行农事提醒。
本领域技术人员在考虑说明书及实践这里发明的发明后，将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未发明的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由下面的权利要求指出。
应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。
Claims (10)
1.一种农作物全生长周期智能服务模型的构建方法，其特征在于，包括：
确定农作物生长过程中的各生长周期；
根据预设农事配置规则，配置所述农作物的农事提醒以及农事触发条件；
根据所述各生长周期、所述农作物的农事提醒以及所述农作物的农事触发条件，为所述农作物构建全生长周期智能服务模型。
2.根据权利要求1所述的构建方法，其特征在于，所述根据预设农事配置规则，配置所述农作物的农事提醒以及农事触发条件，包括：
根据预设农事配置规则，配置所述农作物的各生长周期对应的至少一项农事提醒以及所述各生长周期对应的至少一项农事触发条件，其中，所述农事提醒用于指示在各生长周期执行何种农事操作；
所述农事触发条件包括：
基于土壤温湿度的触发条件，
基于空气温湿度的触发条件，
基于风速风向的触发条件，
基于降雨量的触发条件，
基于灾害预警的触发条件，
基于二氧化碳浓度的触发条件，
基于光照强度的触发条件。
3.根据权利要求1所述的构建方法，其特征在于，所述方法还包括：
根据接收到配置指令，配置所述预设农事配置规则；
或者
接收服务器发送的农事配置指示；
根据所述农事配置指示，配置所述预设农事配置规则；
或者
按照预设接收周期，从服务器的预设存储位置中获取所述预设农事配置规则。
4.根据权利要求1所述的构建方法，其特征在于，所述方法还包括：
在所述农作物生长过程中，确定所述农作物的当前生长参数；
根据所述当前生长参数，确定所述农作物的当前生长周期；
根据所述当前生长周期以及所述全生长周期智能服务模型，发出相应的农事提醒。
5.根据权利要求4所述的构建方法，其特征在于，
所述根据所述当前生长周期以及所述全生长周期智能服务模型，发出相应的农事提醒，包括：
根据所述全生长周期智能服务模型判断所述当前生长周期是否满足一预设农事触发条件；
当所述当前生长周期满足所述预设农事触发条件时，根据所述当前生长周期以及所述预设农事触发条件，确定相应的农事提醒；
根据所述相应的农事提醒，向预设用户发出提醒；或者
根据所述相应的农事提醒执行所述相应的农事提醒所表征的农事操作；
将所述农事操作的操作结果进行显示。
6.根据权利要求4所述的构建方法，其特征在于，
所述在所述农作物生长过程中，确定所述农作物的当前生长参数，包括：
对所述农作物进行拍摄，获得所述农作物的生长图像；
监测所述农作物当前所处的环境参数；
对所述生长图像进行处理，以获取农作物特征，其中，所述农作物特征包括光谱特性、根属性、茎属性以及叶属性；
根据所述农作物特征和所述当前所处的环境参数，确定所述当前生长参数。
7.根据权利要求1至6中任一项所述的构建方法，其特征在于，所述方法还包括：
当所述全生长周期智能服务模型服务的农作物有多种时，获取多种所述农作物的标识；
将多种所述农作物的标识进行显示；
判断是否接收到标识选中指令；
当接收到所述标识选中指令时，根据所述标识选中指令对多种所述农作物中的预设农作物进行选择；
将所述预设农作物通过配对形成多个间作作物组合，每个间作作物组合包括至少两个农作物；
根据所述多个间作作物组合发出的配置指令，配置至少两个种植区域；
根据接收到的分割指令，将所述至少两个种植区域中的各种植区域分割成多个植株培养基；
将每个间作作物的农作物分散种植于多个植株培养基上；
接收各植株培养基的生长要素的浓度信息；
确定所述各植株培养基上的农作物的当前生长周期；
若满足所述当前生长周期对应的农事触发条件，则根据所述生长要素的浓度信息以及所述全生长周期智能服务模型，发出相应的农事提醒，其中，所述相应的农事提醒包括提醒移动所述植株培养基上分布的农作物。
8.根据权利要求7所述的构建方法，其特征在于，
所述提醒移动所述植株培养基上分布的农作物，包括：
判断所述各植株培养基上分散种植的农作物对生长要素的需求量的大小；
根据所述各植株培养基上分散种植的农作物对生长要素的需求量的大小以及标准生长要素的浓度，将所述各植株培养基上分散种植的农作物划分为第一类农作物和第二类农作物；
当所述第一类农作物对所述生长要素的需求量大于所述第二类农作物对所述生长要素的需求量时，提醒将所述第一类农作物移动至植株培养基上所述第二类农作物的分布区域；
当所述第一类农作物对所述生长要素的需求量小于所述第二类农作物对所述生长要素的需求量时，提醒将所述第二类农作物移动至植株培养基上所述第一类农作物的分布区域。
9.根据权利要求4所述的构建方法，其特征在于，在发出相应的农事提醒之前，所述方法还包括：
步骤A1：根据公式(1)利用所述农作物自身的农作物特征得到关于农作物的正向传递系数G：
其中，G表示农作物的正向传递系数，n表示农作物特征的总数，Ki表示农作物的第i个特征的变化量与农作物的n个农作物特征的总变化量的比值，Kj表示与第i个特征相邻的第j个特征和农作物的n个农作物特征的总变化量的比值；
步骤A2：根据公式(2)利用农作物收到的自然生长环境信息得到关于农作物的反馈系数H：
其中，H表示农作物的反馈系数，m表示农作物收到的自然生长环境信息的总数，fp表示农作物收到的第p个自然生长环境信息的变化量与农作物收到的所有自然生长环境信息的总变化量的比值，fq表示与第p个农作物收到的自然生长环境信息相邻的第j个农作物收到的自然生长环境信息的变化量与农作物收到的所有自然生长环境信息的总变化量的比值；
步骤A3：根据公式(3)整合公式(1)和(2)中系数得到关于农作物的提醒判断值Q：
其中Q表示农作物的提醒判断值；
当Q<1时，表示农作物自身可自行调节生长不需要进行农事提醒；当Q≥1时，表示农作物自身不可进行生长调节需要进行农事提醒。
10.一种农作物全生长周期智能服务模型的构建***，其特征在于，包括：
确定模块，用于确定农作物生长过程中的各生长周期；
配置模块，用于根据预设农事配置规则，配置所述农作物的农事提醒以及农事触发条件；
构建模块，用于根据所述各生长周期、所述农作物的农事提醒以及所述农作物的农事触发条件，为所述农作物构建全生长周期智能服务模型。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911338142.8A CN111062699A (zh) | 2019-12-23 | 2019-12-23 | 一种农作物全生长周期智能服务模型的构建方法及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911338142.8A CN111062699A (zh) | 2019-12-23 | 2019-12-23 | 一种农作物全生长周期智能服务模型的构建方法及*** |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111062699A true CN111062699A (zh) | 2020-04-24 |
Family
ID=70300849
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911338142.8A Pending CN111062699A (zh) | 2019-12-23 | 2019-12-23 | 一种农作物全生长周期智能服务模型的构建方法及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111062699A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111553804A (zh) * | 2020-04-27 | 2020-08-18 | 无锡雪浪数制科技有限公司 | 一种农作物生长周期识别方法 |
| CN111640035A (zh) * | 2020-05-12 | 2020-09-08 | 武汉恒鑫创赢科技有限公司 | 一种农作物的种植方法及*** |
| CN112506111A (zh) * | 2020-12-23 | 2021-03-16 | 黑龙江省网络空间研究中心 | 一种基于大数据和云计算的农作物长势监控方法与*** |
| CN113485492A (zh) * | 2021-06-30 | 2021-10-08 | 寿光市翔天农业科技有限公司 | 一种作物种植与生长管理平台 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1872651A1 (en) * | 2006-06-29 | 2008-01-02 | Speravimus Holding B.V. | System and method for growing crops |
| CN103890767A (zh) * | 2011-10-21 | 2014-06-25 | 先正达参股股份有限公司 | 可编程植物*** |
| CN105005196A (zh) * | 2015-05-14 | 2015-10-28 | 南京农业大学 | 农用车辆自主导航转向控制方法 |
| WO2017038121A1 (ja) * | 2015-08-31 | 2017-03-09 | Ｐｓソリューションズ株式会社 | 農業管理システム、サーバ、農業管理方法、サーバ制御方法、及びサーバプログラム |
| US20180146626A1 (en) * | 2015-05-26 | 2018-05-31 | Jixiang XU | Intelligent growing management method and intelligent growing device |
| CN108614607A (zh) * | 2018-05-08 | 2018-10-02 | 上海市农业科学院 | 一种基于即时监控数据的农业生产多因素管理决策*** |
| CN109005834A (zh) * | 2018-07-21 | 2018-12-18 | 内蒙古自治区生物技术研究院 | 甜菜纸筒育苗液体苗床肥及纸筒育苗施肥方法 |
| US20190050741A1 (en) * | 2017-08-10 | 2019-02-14 | Iteris, Inc. | Modeling and prediction of below-ground performance of agricultural biological products in precision agriculture |
| CN106358731B (zh) * | 2016-09-05 | 2019-05-21 | 深圳市双赢伟业科技股份有限公司 | 基于农联网的农作物间作方法 |
-
2019
- 2019-12-23 CN CN201911338142.8A patent/CN111062699A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1872651A1 (en) * | 2006-06-29 | 2008-01-02 | Speravimus Holding B.V. | System and method for growing crops |
| CN103890767A (zh) * | 2011-10-21 | 2014-06-25 | 先正达参股股份有限公司 | 可编程植物*** |
| CN105005196A (zh) * | 2015-05-14 | 2015-10-28 | 南京农业大学 | 农用车辆自主导航转向控制方法 |
| US20180146626A1 (en) * | 2015-05-26 | 2018-05-31 | Jixiang XU | Intelligent growing management method and intelligent growing device |
| WO2017038121A1 (ja) * | 2015-08-31 | 2017-03-09 | Ｐｓソリューションズ株式会社 | 農業管理システム、サーバ、農業管理方法、サーバ制御方法、及びサーバプログラム |
| CN106358731B (zh) * | 2016-09-05 | 2019-05-21 | 深圳市双赢伟业科技股份有限公司 | 基于农联网的农作物间作方法 |
| US20190050741A1 (en) * | 2017-08-10 | 2019-02-14 | Iteris, Inc. | Modeling and prediction of below-ground performance of agricultural biological products in precision agriculture |
| CN108614607A (zh) * | 2018-05-08 | 2018-10-02 | 上海市农业科学院 | 一种基于即时监控数据的农业生产多因素管理决策*** |
| CN109005834A (zh) * | 2018-07-21 | 2018-12-18 | 内蒙古自治区生物技术研究院 | 甜菜纸筒育苗液体苗床肥及纸筒育苗施肥方法 |
Non-Patent Citations (4)
| Title |
|---|
| 冯景文: "电气自动化工程", 光明日报出版社 * |
| 徐国强,高献坤,田辉,候瑞娟,余泳昌: "精细农业研究" * |
| 李胜多;: "基于组态技术和PLC的节水灌溉控制技术" * |
| 王焱等: "智能生产***构建方法及其关键技术研究" * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111553804A (zh) * | 2020-04-27 | 2020-08-18 | 无锡雪浪数制科技有限公司 | 一种农作物生长周期识别方法 |
| CN111640035A (zh) * | 2020-05-12 | 2020-09-08 | 武汉恒鑫创赢科技有限公司 | 一种农作物的种植方法及*** |
| CN112506111A (zh) * | 2020-12-23 | 2021-03-16 | 黑龙江省网络空间研究中心 | 一种基于大数据和云计算的农作物长势监控方法与*** |
| CN113485492A (zh) * | 2021-06-30 | 2021-10-08 | 寿光市翔天农业科技有限公司 | 一种作物种植与生长管理平台 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111062699A (zh) | 一种农作物全生长周期智能服务模型的构建方法及*** | |
| US10028426B2 (en) | Agronomic systems, methods and apparatuses | |
| Chaudhary et al. | Application of wireless sensor networks for greenhouse parameter control in precision agriculture | |
| JP6261492B2 (ja) | 情報処理装置及び情報処理方法及びプログラム | |
| US20170270446A1 (en) | Agronomic systems, methods and apparatuses for determining yield limits | |
| US20180014452A1 (en) | Agronomic systems, methods and apparatuses | |
| EP3482630B1 (en) | Method, system and computer program for performing a pest forecast | |
| US20150164009A1 (en) | System and method for garden monitoring and management | |
| JP2006252105A (ja) | 農産物生産情報管理システム | |
| Seligman | The crop model record: promise or poor show? | |
| CN113657751A (zh) | 一种智慧农业产融综合服务平台 | |
| CN114743100B (zh) | 一种农产品长势监测方法和*** | |
| KR20190106388A (ko) | 생육 레시피를 생성 및 제공하는 식물 재배 시스템 | |
| CN111435260A (zh) | 植物生长环境参数监控及环境模拟*** | |
| JP2021128756A (ja) | 先物取引情報表示プログラム | |
| Kwanmuang et al. | Small-scale farmers under Thailand’s smart farming system | |
| Yimwadsana et al. | An IoT controlled system for plant growth | |
| US10064347B2 (en) | Plant cultivation system, and plant cultivation unit | |
| JP2020149652A (ja) | 営農に最適な潅水と肥料を施す学習型農業システム | |
| CN112099557A (zh) | 一种基于互联网的家居植物栽植方法及*** | |
| CN106713414A (zh) | 一种生命周期模型解决种植问题的服务*** | |
| KR20210059070A (ko) | 농작물 재배 모니터링 시스템 및 이를 이용한 농작물 재배 모니터링 방법 | |
| AlKameli et al. | Automatic learning in agriculture: a survey | |
| KR102132324B1 (ko) | 농장 운영정보 제공 시스템 | |
| Bernatin et al. | Smart farming with fertilizer dispenser and predictive analysis |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200424 |